Adhar Arifuddin, S.KM,M.Kes. Epidemiologi & Biostatistik BIOSTATISTIKA Oleh Adhar Arifuddin, S.KM,M.Kes. Epidemiologi & Biostatistik FKIK UNTAD

Referensi Metoda Statistika ( Sujana ). Pengantar Statistika (Ronald E.Walpole). Statistical Process Control ( Vincent Gaspersz ) Metode statistik Non Parametrik Terapan ( P. Sprent) Statistik Non Parametrik ( Sidney Siegel). Biostatistics a Foundation for analysis in the health sciences (Wayne W. Daniel) Basic Allied Health Statistics and Analysis. (Greda Koch) Statistical Methods for Rates and Proportions (Joseph L. Fleiss) Sampling Techniques (William G. Cochran) Introduction to statistical quality Control (Douglas C. Montgomery) Introduction to statistical analysis (Wilfrid J. Dixon).

Definisi Ialah KONSEP dan METODE yang digunakan untuk mengumpulkan dan interpretasi data mengenai suatu bidang kegiatan tertentu dan menarik kesimpulan dalam situasi dimana ada KETIDAK PASTIAN dan VARIASI PENDAHULUAN

Pengertian PENDAHULUAN VARIABEL “STATISTICA KONSEP BIOSTATISTIC Teori matematika VARIABEL STATISTICS METODE * Pengumpulan Pengolahan Analisis Kesimpulan PENDAHULUAN

Posisi Statistik dalam kegiatan penelitian TEORI GENERALISASI HIPOTESA STATISTIK OBSERVASI

Jenis Analisis Data ANALISIS DATA Analisis data dilakukan dalam dua bentuk yakni : Analisis Deskriptip Analisis Analitik ANALISIS DATA

Statistika Deskriptif Statistika Deskriptif: statistika yang menggunakan data pada suatu kelompok untuk menjelaskan atau menarik kesimpulan mengenai kelompok itu saja Cth : Untuk menggambarkan karakteristik penduduk diperlukan data seperti: umur, jenis kelamin, status perkawinan, dsb

Statistika Inferensal statistika yang menggunakan data dari suatu sampel untuk menarik kesimpulan mengenai populasi dari mana sampel tersebut diambil Cth :  Untuk menganalisa hubungan pertambahan berat badan Ibu hamil dengan berat lahir di kota Palu diambil sampel di RSUD Anutapura

Pengelompokan Stat Analitik (inferensial) Statistika Parametrik:  Menggunakan asumsi mengenai populasi  Membutuhkan pengukuran kuantitatif dengan level data interval atau rasio Statistika Nonparametrik (distribution-free statistics for use with nominal / ordinal data):  Menggunakan lebih sedikit asumsi mengenai populasi (atau bahkan tidak ada sama sekali)  Membutuhkan data dengan level serendah rendahnya ordinal (ada beberapa metode untuk nominal)

OUTPUT SKALA PENGUKURAN Skala pengukuran Variabel JENIS SKALA OUTPUT SKALA PENGUKURAN DATA UJI STATISTIK Nominal Ordinal DATA DISKRET NON PARAMETRIK Interval Rasio DATA KONTINU PARAMETRIK PENDAHULUAN

Pengertian Dan Prinsip skala pengukuran variabel JENIS SKALA SIFAT SKALA PENGUKURAN contoh Kategori Urutan Interval Kelipatan Nominal + - JK,Suku Ordinal Pddkn, sosek Tempratur/suhu Rasio BB,TB,Glukosa darah PENDAHULUAN

Biostatistik Deskriptif

PENGOLAHAN DATA DESKRIPTIF Distribusi Frekuensi Data Kuantitatif - Terlebih dulu cari harga max dan min. Selisihnya disebut Range = R - Tentukan jumlah kelas dan interval kelas Rumus Sturgess : M =1 + 3.3logN M= jumlah kelas, N=jumlah data (observasi) Interval = R : M

Contoh : Tinggi Badan anak kelas VI SD Jumlah kelas : K = 1 + 3,322 log 48 K = 6,58 K = 7 Lebar kelas interval i = ( 74,2 - 72,3 ) / 7 i = 0,3 72.3 73.4 73.5 73.0 73.7 73.9 72.4 74.5 72.9 72.5 73.1 73.6 72.6 72.7 72.8 73.2 73.3 73.8 74.0 74.1 74.2

NILAI TENGAH (Central Tendency) A. UNGROUpED DATA (TDK TERKELOMPOK) 1. NILAI RATA-RATA HITUNG (MEAN) contoh : 2. MEDIAN (Md)  Nilai yang membagi distr  2 sama besar - n ganjil : median pada urutan ke (n+1) / 2 contoh diatas : (9+1) / 2 = 5 Md = 61 - n genap : median pada urutan diantara ke n / 2 dan (n/2) + 1 mis = 59 60 60 60 60 61 62 66 75 76 Md = (60+61) / 2 = 60,5 kg 3. MODUS (Mo)  Nilai yang sering muncul Mis contoh diatas Mo= 60 Peserta 1 2 3 4 5 6 7 8 9 BB (KG) 59 60 61 62 66 75 76

B. GROUPed DATA (TERKELOMPOK) Nilai rata-rata hitung (MEAN) rata-rata dari distribusi frekuensi asumsi : setiap pengamatan dalam kelas mempunyai nilai yang sama dengan nilai titik tengah klas. BB (Kg) f ttk tengah klas (m) fm 35-<45 6 40 240 45-<55 12 50 600 55-<65 14 60 840 65-<75 1 70 75-<85 2 80 160 n 35 ∑ fm 1910

MEDIAN ( grouped data) Ket : Md = median Lmd = batas bawah klas median n = besar sampel cf = frek kump sampai klas median f.Md = frek klas median i = besar interval

Modus grouped data Asumsi: modus pada kelas yang mempunyai trek terbanyak ( langsung dibawah puncak poligon frek ) Keterangan : Mo = modus Lmo = batas bawah kelas modus d1 = beda antara frekuensi klas modus dgn frek kelas sblum kelas modus d2 = beda antara frekunsi kelas modus dgn frek kelas sesudah kelas modus i = besar interval

Nilai Variasi Varian : parameter ukuran penyebaran data, variabilitas nilai terhadap mean V (S²) = ∑(x-µ)² n-1 Standar Deviasi : simpangan baku, akar varian S = √v = √S² Koefisien Varian : rasio SD terhadap mean dalam persen. S µ x 100%

PROBABILITAS

Distribusi Normal Mazami Enterprise © 2009

DISTRIBUSI NORMAL Sebaran transformasi (distribusi normal standar  mean = 0, SD = 1) X2 – μ Z2 = ---------- σ Sebaran observasi Z1 Z Z2 X1 – μ Z1 = ---------- σ Sumbu ( X ) X1 X X2

PENERAPAN SEBARAN NORMAL CONTOH SOAL Suatu perusahaan yang memproduksi cairan ringer lactat (cairan infus diare) mengatakan bahwa masa ekspayer produknya mencapai rata-rata 3,0 tahun, dengan standar deviasi 0,5 tahun. Apabila masa ekspayer cairan tersebut menyebar normal , Hitunglah peluang bahwa sebuah cairan infus tersebut mencapai umur kurang dari 2,3 tahun.

PENERAPAN DISTRIBUSI NORMAL PENYELESAIAN : Diketahui rata-rata umur cairan infus = 3 tahun, Standar Deviasi = 0,5 tahun Besarnya P(X < 2,3) adalah : X – μ 2,3 - 3 Z = -------------  x = ---------- = - 1.4 σ 0,5 Dengan menggunakan tabel 4 A, maka P(X < 2,3 ) = P(Z < - 1.4 ) = 0,0808 0,0808 x 2,3 Mean = 3

Biostatistik Parametrik Mazami Enterprise © 2009

Pemilihan teknik analisa data Tujuan uji Jumlah sampel/pasangan Sampel bebas / berpasangan Jenis variabel Kuantitatif (rasio-interval) Populasi berdistribusi normal SemiKuantitatif (ordinal) Kuantitatif distribusi populasi tak normal Kualitatif (nominal) / Katogotik Komparasi 2 Bebas Uji t 2 sampel bebas Uji Mann-Whitney Uji jumlah peringkat Wilcoxon Uji Khi-kuadrat 2x2 -Uji eksak Fisher Berpasangan Uji t 2 sampel berpasangan Uji peringkat bertanda Wilc Uji Mc Nemar >2 Anova 1 arah Kruskall-Wallis Uji khi-kuadrat kxk Anova untuk subyek yang sama Uji Friedman Uji Cohrans Korelasi Korelasi Pearson (r) Regresi Korelasi Spearmen (rs) Korelasi Kappa Koefisien kontingensi(c) Koefisien Phi Koefisien Kappa Pemilihan teknik analisa data

Syarat Uji Parametrik Jumlah sampel minimal 30 Skala data interval atau rasio Data berdistribusi normal

Uji korelasi dan Regresi Linier

Digunakan untuk melihat hubungan antara 2 variabel yg berjenis numerik Mis : BB & TD Umur & kdr Hb

Uji korelasi Derajat/keeratan hubungan Arah hubungan (-) : Nilai salah satu variabel meningkat maka variabel lain akan menurun. (+) : Nilai salah satu variabel meningkat maka variabel lain juga meningkat atau nilai salah satu variabel menurun maka variabel lain akan menurun. Persyaratan harus dipenuhi adalah data berskala interval atau rasio, asumsi Distribusi Normal bivariat, dan sifat simetris.

Dibuat grafik akan terlihat arah tanda koefisien korelasi

Nilai korelasi Nilai korelasi (r) berkisar 0 s/d 1 bila disertai arahnya nilainya antara -1 s/d +1 r = 0 berarti tdk ada hubungan linier r = -1 berarti hubungan linier negatif sempurna r = +1 berarti hubungan linier positif sempurna

Nilai korelasi …… Menurut Colton, kekuatan hubungan dua variabel dpt dibagi dlm empat area : r = 0,00 – 0,25 (tdk ada hub / hub lemah) r = 0,251 – 0,50 (hubungan sedang) r = 0,501 – 0,75 (hubungan kuat) r = 0,751 – 1 (hubungan sgt kuat/sempurna)

Rumus koefisien korelasi pearson product moment (r) n (∑XY) – (∑X ∑Y) r = √ [n ∑X² - (∑X)²][n ∑Y² - (∑Y)²]

Contoh kasus Suatu survei ingin mengetahui hubungan antara usia dengan lama hari rawat di RS X tahun X, survei dgn mengambil 5 sampel pasien dan hasilnya sbb: Umur : 20 30 25 35 40 (tahun) Lama rawat : 5 6 5 7 8 (hari) hitung korelasinya dan interpretasikan

Tabel kerja Pasien Usia = X Lama hari rawat =Y XY X² Y² 1 2 3 4 5 20 30 25 35 40 6 7 8 100 180 125 245 320 400 900 625 1225 1600 36 49 64 ∑ 150 31 970 4750 199

Masukan dlm rumus 5 (970) – (150) (31) r = √ [5 (4750) - (150)²][5 (199) - (31)²] r = 0,97

Interpretasi Hubungan umur dengan lama hari rawat menunjukkan hubungan yang sangat kuat (r = 0,97) dan berpola linier positif. Artinya, semakin tinggi usia pasien, semakin lama hari rawatnya.

Uji Regresi Linier Bentuk hubungan Mis : Hub BB dan TD Dalam kasus ini BB sbg variabel independen dan TD sbg dependen. Sehingga dengan uji regresi linier kita dapat memeperkirakan besarnya nilai TD bila diketahui data berat badan.

Persamaan Y = a + bx ∑Y – (b ∑x) a = atau a = Y - bX n n∑XY – (∑X∑Y) n∑X² - (∑X)²

Ket : Y = Variabel dependen X = variabel independen a = intercept, perbedaan besarnya rata-rata variabel Y ketika variabel X = 0 b = slope, perkiraan besarnya perubahan nilai variabel Y bila nilai variabel X berubah satu unit pengukuran

Contoh kasus Pasien Usia = X Lama hari rawat =Y XY X² Y² 1 2 3 4 5 20 30 25 35 40 6 7 8 100 180 125 245 320 400 900 625 1225 1600 36 49 64 ∑ 150 31 970 4750 199 Hitunglah persamaan garis regresi dan prediksikan pasien yang berumur 40 tahun berapa lama hari rawatnya ?

Jawab : n∑XY – (∑X∑Y) b = n∑X² - (∑X)² 5(970) - (150)(31) 5(4750) – (150)² b = 0,16

∑Y – (b ∑x) a = n 31 – (0,16)(150) 5 a = 1,4

Perasamaan regresi linier : Y = a + bx lama hari rawat = 1,4 + 0,16 usia pasien nilai b = 0,16 artinya bila pasien yang dirawat usianya lbh tua satu tahun, kemungkinan lama hari rawatnya lebih lama 0,16 hari. pasien usia 40 tahun dpt diperkirakan lama perawatannya : Y = 1,4 +0,16 (40) =7,8 hari

UJI T

UJI t berpasangan Uji t Dua sampel berpasangan Rumus : d =∑(X2-X1)/n

Contoh Kaus Seorang bidan desa ditugasi oleh suatu puskesmas untuk memberikan PMT pemulihan kepada balita Gizi kurang. Telah diambil secara random 15 balita dan data sebelum dan setelah pemberian PMT tersebut. Apakah ada perbedaan berat badan sebelum dan setelah pemberian PMT pada tingkat signifikan (α) = 5%?

Berat badan (Kg) balita sebelum dan setelah diberi PMT BB Sebelum (Kg) BB Setelah (Kg) 1 10,5 10,7 2 9,8 11,0 3 11,5 4 8,8 10,1 5 7,4 8,2 6 11,6 13,0 7 9,4 8 9,3 10,4 9 10,2 12,8 10 11,1 11 11,7 12 13 6,8 8,3 14 7,5 8,9 15 6,6 7,0

Tabel bantu Balita BB Sebelum (Kg) BB Setelah (Kg) X2-X1 (X2-X1)² 1 10,5 10,7 0,2 0,04 2 9,8 11,0 1,2 1,44 3 11,5 4 8,8 10,1 1,3 1,69 5 7,4 8,2 0,8 0,64 6 11,6 13,0 1,4 1,96 7 9,4 8 9,3 10,4 1,1 1,21 9 10,2 12,8 2,6 6,76 10 11,1 1,7 2,89 11 11,7 1,5 2,25 12 -0,07 0,49 13 6,8 8,3 0,25 14 7,5 8,9 15 6,6 7,0 0,4 1,16 15,6 25,18

jawab d =∑(X2-X1)/n = 15,6/15 =1,04 Sd = √ ∑(X2-X1)²/n-1 = √ 25,18/14 = 0,80 T hit = 1,04 0,80/ √15 = 5,034

Tabel T

jawab Hipotesis ? Ho dan Ha Uji statistik? Paired t tes Tingkat signifikan? α=5%, df=n-1=14, titik kritis=2,145 Kriteria pengujian? Ha diterima jika T hit > T Tab atau –T hit < -T Tab Menghitung statistik kesimpulan

INTERPRETASI HASIL Tabel di atas menggambarkan hasil uji t berpasangan. T hit > T Tab artinya terdapat perbedaan berat badan sebelum dan setelah pemberian PMT. Dengan kata lain ada pengaruh pemberian PMT terhadap Peningkatan Status Gizi.

UJI T TIDAK BERPASANGAN RUMUS : t hitung = Dimana :

CONTOH KASUS Seorang Bidan ingin mencoba 2 produk makanan formula kepada balita gizi kurang selama 3 bulan. Telah diambil secara random 11 balita untuk makanan jenis A dan 10 balita untuk makanan jenis B. apakah ada perbedaan berat badan balita yang diberi makanan Jenis A dan berat badan balita yang diberi makanan jenis B pada tingkat signifikan (α)=5%

Data pertambahan BB (kg) 2 klp balita yg diberi makanan jenis A dan B Penambahan BB Makanan A Makanan B 1 3,1 2,7 2 3,0 2,9 3 3,3 3,4 4 3,2 5 2,6 6 7 3,6 8 9 3,8 10 4,0 3,7 11

jawab Hipotesis ? Ho dan Ha Uji statistik? Uji T 2 sample bebas Tinkat signifikan? α=5%, df=n1+n2-2=19, titik kritis=2,093 Kriteria pengujian? Ha diterima jika T hit > T Tab atau –T hit < -T Tab Menghitung statistik kesimpulan

jawab X1 = 3,22 dengan S²1 = 0,1996 X2 = 3,07 dengan S²2 = 0,1112 Dan S²p = 0,158 3,22-3,07 T hit = = 0,862 √0,158 (1/11+1/10)

INTERPRETASI HASIL Karena T hit (0,862) < T Tabel (2,09) maka Ho diterima, berarti tidak ada perbedaan yang signifikan antara berat badan balita yang diberi makanan formula jenis A dan berat badan balita yang diberi makanan formula jenis B.

Tabel T

Uji Anova

Biostatistik Non Parametrik

UJI CHI-SQUARE (2X2) Tujuan : Untuk menguji perbedaan proporsi antara 2 atau lebih kelompok. Kelompok yang dibandingkan pada variabel independen Variabel yang dihubungkan kategorik dengan kategorik

Contoh Tabel 2 x 2

Rumus Chi-Square 2 x 2

Uji Fisher Digunakan jika pada tabel 2 x 2 ada nilai Expected < 5 Rumus

CONTOH KASUS Seorang bidan ingin meneliti hubungan antara kejadian anemia (anemia, dan tdk anemia) dengan proses persalinan (normal dan tidak normal). Pertanyaan penelitian sebagai berikut : apakah terdapat hubungan antara kejadian anemia dengan proses persalinan .

Tabel chi-square

HASIL ANALISIS persalinan St. anemia jumlah Tdk normal normal anemia 35 15 50 Tdk anemia 20 30 55 45 100

jawab χ² = 409.000.000/6.187.500 = 66.1

Interpretasi Hasil Tabel 2 x 2 layak untuk dipakai chi-square karena tidak ada nilai expected yang kurang dari 5 Hasil uji chi-square nilai yang dipakai Continuity Correction (Sidney Siegel). Nilai signifikansinya adalah 0,005 Artinya terdapat hubungan antara kejadian anemia dengan proses persalinan

Aternatif Uji Chi-Square = Fisher Contoh Kasus Seorang peneliti ingin mengetahui antara faktor genetik (posistif dan negatif) dengan obesitas (Obesitas dan tidak obesitas). Pertanyaan penelitiannya adalah : Apakah terdapat hubungan faktor genetik dengan obesitas.

HASIL ANALISIS Ada 2 sel nilai expected < 5 maka dipakai Fisher

Interpretasi Hasil Karena ada sel yang kurang dari 5, maka uji yang dipakai yaitu uji Fisher. Hasil uji Fisher nilai signifikansinya 0,250 Karena nilai p > 0,05, maka dapat diambil kesimpulan bahwa tidak terdapat hubungan antara faktor genetik dengan obesitas.

Uji Chi-Square K x K Rumus : O = Observasi E = Nilai expected (a+b) (a+c) Expected sel a = ------------------ n

CONTOH KASUS Seorang peneliti ingin mengetahui hubungan status gizi (baik, kurang, buruk) dengan kejadian diare (diare dan tidak diare) pada balita. Pertanyaan penelitiannya adalah : Apakah terdapat hubungan status gizi dengan kejadian diare

HASIL ANALISIS

Nilai p = 0,000

Interpretasi Hasil Tabel pertama menggambarkan deskripsi masing-masing sel nilai observed Tabel kedua menunjukkan hasil uji Chi-Square, Nilai yang dipakai adalah Person Chi-Square. Nilai signifikansi adalah 0,000 oleh karena p < 0,05, maka dapat disimpulkan bahwa “terdapat hubungan antara status gizi dengan kejadian diare”.

P ; <0,05 ho ditolak, ha diterima P : >0,05 ho diterima,

UJI – Mc NEMAR Oleh Adhar Arifuddin

Mc NEMAR TEST Fungsi Menguji hipotesis yang sifatnya perbandingan untuk dua sampel berhubungan. Menguji keefektifan suatu intervensi tertentu sebelum dan sesudah perlakuan (signifikansi perubahan). Digunakan pada penelitian dengan rancangan “pre test dan post test”.

Mc NEMAR TESTSifat Setiap unit observasi berlaku sebagai pengontrol terhadap dirinya sendiri. Menggunakan data yang berbentuk diskret dengan skala pengukuran nominal. Analisis dilakukan dengan menggunakan tabel 2 x 2 sebagai berikut :

Tabel analisis untuk menguji signifikansi perubahan (MC Nemar Test) Mc NEMAR TESTTabel analisis Tabel analisis untuk menguji signifikansi perubahan (MC Nemar Test) Sebelum intervensi Sesudah intervensi Total - + A B A+B C D C+D Jumlah A+C B+D A+B+C+D

Mc NEMAR TESTTabel analisis Prinsip Sebelum dilakukan intervensi dilakukan penilaian awal (pre test) Sesudah dilakukan intervensi dilakukan penilaian kembali (post test) Hasil intervensi adalah sebagai berikut :

Mc NEMAR TESTTabel analisis Ada sebagian variabel dimana sebelum intervensi positif berubah menjadi negatif setelah intervensi (dicatat didalam sel A). Ada sebagian variabel dimana sebelum intervensi nilainya positif dan setelah intervensi tetap positif (di catat pada sel B). Ada sebagian variabel sebelum intervensi nilainya negatif dan tetap negatif setelah intervensi (dicatat pada selC) Ada sebagian variabel sebelum intervensi nilainya negatif menjadi positif setelah intervensi (dicatat pada sel D).

Mc NEMAR TESTTabel analisis Prinsip : Dengan demikian sel (A+D) menunjukkan total orang yang berubah dengan perubahan satu arah, dan perubahan ini diharapkan berada dibawah hipotesis nol dengan probability : ½ (A+D). Selanjutnya perubahan juga terjadi kearah sebaliknya dengan probability yang sama yakni :½ (A+D). Pada Mc Nemar test kita hanya berkepentingan pada sel A dan D, dan dengan menerapkan prinsip Chi-square test dapat diformulasikan sebagai berikut :

Mc NEMAR TESTTabel analisis ( A + D ) ( A + D ) ( A - ------------ )² ( D - -------------- )² ( O - E )² 2 2 x ² =  -------------- = ----------------------- + --------------------- E A + D A + D ------------- ------------- 2 2 Bila disederhanakan bentuknya diperoleh bentuk rumus sebagai berikut : ( A - D )² x ² = -----------------  dengan DF = 1 A + D

Mc NEMAR TESTTabel analisis Catatan : pada keadaan ini distribusi sampling x ² diasumsikan berdistribusi Chi-Square dengan DF = 1 Bila disederhanakan bentuknya diperoleh bentuk rumus sebagai berikut : ( A – D )² x ² = -----------------  dengan DF = 1 A + D

Mc NEMAR TESTTabel analisis Koreksi kontinyuitas Menggunakan prinsip koreksi (Yates) dengan rumus : ( | A – D | - 1 ) ² x ² = -----------------------------  dengan DF = 1 A + D

Mc NEMAR TESTPenggunaan Contoh soal Seorang mahasiswa FKIK Untad ingin mengetahui pengaruh pemberian makanan tambahan anak balita (PMT) terhadap status gizinya (PMT diberikan secara intensif selama 6 bulan). Untuk maksud tersebut ditarik secara random sederhana sebanyak 200 responden dan sebelum dilakukan penyuluhan, terlebih dahulu dilakukan pengukuran BB (test awal) untuk mengetahui status gizinya dengan hasil sebagai berikut : 50 balita termasuk kategori status gizi cukup dan 150 responden termasuk status gizi kurang.

Mc NEMAR TESTPenggunaan Contoh soal 2. Setelah diberi PMT secara intensif selama 6 bulan, diperoleh hasil sebagai berikut : dari 200 balita tersebut 125 balita termasuk status gizi cukup dan 75 balita termasuk status gizi kurang. 3. Dari analisis hasil 125 balita yg berstatus gizi cukup setelah PMT, 40 balita status gizinya termasuk tetap, dan 85 balita berubah dari status gizi kurang menjadi status gizi cukup. 4. Selanjutnya dari 75 balita yg termasuk kurang ada 65 balita yg status gizinya tetap kurang dan 10 diantaranya status gizi sebelumnya cukup berubah menjadi kurang.

Mc NEMAR TESTPenyelesaian Hipotesis Ho : tidak perubahan status gizi balita sebelum dan setelah dilakukan intervensi dengan PMT. Ha : ada perubahan status gizi balita sebelum dan setelah dilakukan intervensi dengan PMT. Kriteria pengujian hipotesis H1 : diterima bila harga chi-square hitung lebih besar dari harga chi-square tabel pada nilai  = 0.05 dengan DF = 1

Mc NEMAR TESTPenyelesaian Penyajian data Data yang terkumpul, selanjutnya disusun dalam tabel sbg berikut : Tabel 1. Perubahan Status Gizi Sebelum dan Setelah dilakukan intervensi dengan PMT Status gizi Sebelum intervensi Sesudah intervensi Perubahan tetap berubah Cukup (+) 50 125 40 85 Kurang (-) 150 75 65 10 jumlah 200 105 95

Perubahan setelah intervensi Mc NEMAR TESTPenyelesaian Pengujian Hipotesis Untuk kepentingan perhitungaan maka tabel 1 dirubah susunannya sesuai dengan kebutuhan sebagai berikut : Tabel 1. Uji Hipotesis Perubahan Status Gizi Sebelum dan Setelah dilakukan intervensi dengan PMT Status gizi Sebelum intervensi Perubahan setelah intervensi - + Cukup (+) 50 10 40 Kurang (-) 150 65 85 Jumlah 200 75 125

Mc NEMAR TESTPenyelesaian ( | A – D | - 1) ² ( | 10 - 85 | - 1) ² x ² = ---------------------- = --------------------- = 57,642 A + D 95

Mc NEMAR TESTPenyelesaian Interpretasi Chi square hitung > (57,642) daripada Chi square tabel (3,841) pada  = 0,05 dengan DF = 1  Ho ditolak, Ha diterima. Kesimpulan Terdapat perubahan/ perbedaan secara bermakna status gizi sebelum dan setelah pemberian intervensi dengan PMT pada balita.

Uji Mann-Whitney

Uji Mann-Whitney Digunakan untuk mengetahui ada atau tidaknya perbedaan dari dua sampel yg independen. Merupakan uji non parametrik yang menjadi alternatif dari uji-t (uji parametrik). Data berskala nominal atau ordinal. Disebut juga uji U, karena statistik yg digunakan untuk menguji hipotesis nolnya disebut U.

Prosedur Uji 1. Formulasikan hipotesisnya Ho : Tidak terdapat perbedaan rata-rata sample satu dengan yang lainnya. Ha : Ada perbedaan rata-rata sample satu dengan dengan yang lainnya 2. Tentukan nilai α dan U tabel - α yang digunakan biasanya 5% (0,05) atau 1% (0,01)  - Nilai U tabel dengan n1 dan n2 tertentu. Hitung nilai U 4. Tentukan kriteria pengujian apabila U ≥ Utabel  Ho diterima (H1 ditolak) apabila U < Utabel  Ho ditolak (H1 diterima)

Menentukan nilai uji statistik (Nilai U) Penentuan nilai uji statsitik melalui tahap-tahap sebagai berikut : Mengabungkan kedua sampel dan memberi urutan tiap-tiap anggota, dimulai dari pengamatan terkecil sampai terbesar Peringkat untuk X dipisahkan dan dijumlahkan menjadi RX Peringkat untuk Y dipisahkan dan dijumlahkan menjadi RY Menghitung statistik U dengan rumus :

UX = (nX x nY) + (nX + 1) x nX - ∑RX 2 Uy = (nX x nY) + (nY + 1) x nY - ∑RY 2 Keterangan : UX = Jumlah peringkat 1 UY = Jumlah peringkat 2 nX = Jumlah sample 1 nY = Jumlah sample 2 ∑RX = Jumlah rangking pada sampel X ∑RY = Jumlah rangking pada sampel Y

Contoh 1 Sampel X dan Y adalah sebagai berikut X 1,9 0,5 2,8 3,1 1. Gabungkan data dari kedua kelompok kemudian urutkan dan beri peringkat, lalu jumlahkan peringkat masing2 kelompok

Asal Data Peringkat Per X Per Y 18 27 RX RY

2. Hitung nilai statistik U UX = (nX x nY) + (nX + 1) x nX - ∑RX 2 UX= (4 x 5) + (4 + 1) x 4 - 18 2 UX = 20 + 10 – 18 = 12

Uy = (nX x nY) + (nY + 1) x nY - ∑RY 2 UY= (4 x 5) + (5 + 1) x 5 - 27 2 UY = 20 + 15 – 27 = 8

Step 3. Pilih nilai statistik U terkecil bandingkan dengan U tabel U tabel pada n1=4 dan n2=5  1 U terkecil = UY = 8  Tolak H0 jika U terkecil < 1 Terima H0 jika U terkecil ≥ 1 Step 4. Ambil kesimpulan uji statistik U hitung (8) > U tabel (1)  H0 gagal ditolak Tidak ada perbedaan median antara kelompok X dan Y

Hadiah Terbaik : Kepada kawan – Kesetiaan Kepada musuh - Kemaafan Kepada ketua – Khidmat Kepada yang muda - Contoh terbaik Kepada yang tua - Hargai budi mereka dan kesetiaan Kepada pasangan - Cinta dan ketaatan Kepada manusia - Kebebasan

Thank You !

“ Terima kasih ”

THE-END

~ Thank You ~